هل تحليلات البيانات صعبة؟ نظرة من الداخل على التحديات

إذا كان لديك دولار مقابل كل مرة تصطدم فيها بمصطلح التحليلات، فستكون ثريًا الآن. يبدو أن كل مؤسسة، من شركات الطاقة إلى بائعي الأحذية عبر الإنترنت، مهووسة بتتبع البيانات وتحويلها إلى رؤى ذات مغزى.

أسباب ذلك واضحة جدًا – ما هي المنظمة التي لا تريد أن تعرف ما إذا كانت جهودهم التسويقية فعالة أم أن عملية العمل الجديدة قد أدت إلى تحسين الربحية؟

على الرغم من انتشار أدوات تتبع البيانات وفرزها، فإن الحجم الهائل للمعلومات المتاحة يتطلب مهنيين متخصصين يمكنهم العمل مع مجموعات بيانات ضخمة، وإنشاء طرق لسحب النوع الصحيح من المعلومات في المقام الأول ثم ضمان جودة البيانات وإمكاناتها تسمح الرؤى باختيارات هادفة.

قد تعتقد أن تحليلات البيانات تبدو معقدة – وستكون على حق! لكن مهارات تحليل البيانات يمكن أن تكون أيضًا تذكرة لمهنة قوية.

يتجه المزيد والمزيد من الشركات إلى البيانات الضخمة وتحليلات البيانات للمساعدة في تمهيد طريقها إلى الأمام، وتحتاج هذه الشركات إلى متخصصي البيانات المهرة لتحقيق ذلك.

¹ تتطلب هذه الأدوار الشيقة التدريب والكثير من التعلم المستمر، مما يدفع الكثيرين إلى التساؤل: هل تحليلات البيانات صعبة؟

هذا سؤال شخصي للغاية يمكن للأفراد فقط الإجابة عليه بأنفسهم. ولكن لمساعدتك في قياس مستوى الصعوبة في هذا المجال، طلبنا من متخصصي تحليل البيانات مشاركة بعض أكثر الجوانب صعوبة في التعلم والعمل في البيانات.

تابع القراءة لمعرفة ما يعتقد هؤلاء الخبراء أنه أصعب جوانب الحياة المهنية في تحليلات البيانات وكيف اجتازوا هذه التحديات.

هل تعلم تحليلات البيانات صعب؟ التحديات المشتركة للبدء

هناك فرق بين تحديات تعلم المهارات الأساسية اللازمة للبدء كمحلل بيانات والتحديات التي تأتي مع العمل اليومي.

لنبدأ بما وجده محترفو البيانات أنه معقد لأنهم كانوا فقط يتعلمون الحبال.

1. من المرجح أن تكون هناك زيادة في المعلومات

في حين أن المفارقة في البداية أن لديك الكثير من المعلومات التي يجب معالجتها للعمل في مهنة تركز على معالجة كميات هائلة من البيانات لا ينبغي أن تضيع، إلا أنه لا يزال شعورًا شائعًا.

وفقًا لكيني وارنر ، عالم البيانات في meez ®، فإن مقدار المعرفة والمعلومات التي ستحتاجها للنجاح في تحليلات البيانات يمكن أن يكون مرهقًا في وقت مبكر. تقوم العديد من برامج تحليل البيانات بتدريس المعرفة والمبادئ المفاهيمية بينما تدخل أيضًا في الأدوات والممارسات والمهارات الصعبة – يمكن أن يكون ذلك كثيرًا إذا لم تكن مستعدًا لذلك.

يقول ستيفن جونسون، المدافع عن مجتمع البيانات في Shipyard ®: “في كل فصل، كنت أتعلم لغة برمجة مختلفة أو برنامجًا مختلفًا”. “بصفتي شخصًا جديدًا في هذا العالم، كنت لا أزال أحاول إنشاء معرفة مفاهيمية للتحليلات.

ومع ذلك، طُلب مني بعد ذلك نقل المفاهيم التي كانت لا تزال غريبة بالنسبة لي إلى عدة أدوات أو لغات مختلفة “.

الخبر السار هو أن معظم الناس في هذا المجال يعرفون جيدًا هذه الطبيعة الساحقة للمعرفة.

يقول وارنر: “إذا كنت تشعر بفقدان أعماقك، فاعلم فقط أنك لست وحدك”. يوضح أنه حتى بعد عقد من العمل في الصناعة، ما زال مندهشًا من عدد الأشياء التي يمكنك تعلمها.

لإحراز تقدم، يقترح اختيار شيء واحد في كل مرة والعمل معه حتى تفهمه حقًا. اكتشف كيف تم تطويره ولماذا.

اكتشف كيف يستخدمه الناس. “بمجرد أن تحصل على فهم جيد لهذا الموضوع، انتقل إلى الموضوع التالي الذي تجده ممتعًا.”

2. إن فهم متى ولماذا يتم استخدام تقنيات معينة يستغرق وقتًا

يقول وارنر: “كان المجال الذي وجدته أكثر صعوبة عند البدء هو فهم” السبب “وراء الأساليب المختلفة والخوارزميات والإحصاءات التي تم استخدامها لحل مشكلة معينة”.

يوضح أن هناك الكثير من الأدوات التي تسمح لك بتوصيل التفاصيل وكتابة القليل من التعليمات البرمجية وتسهيل العملية بشكل عام.

لكن معرفة وقت استخدام أداة معينة والمشكلات الأفضل لحلها سيستغرق وقتًا أطول.

“إن فهم متى يجب استخدام مربع كاي مقابل اختبارات Cramér’s V مقابل ANOVA أو الانحدار اللوجستي مقابل آلات متجه الدعم مقابل الغابات العشوائية يتطلب قاعدة معرفية أكثر شمولاً.

” يقول وارنر إن هذا أمر بالغ الأهمية على المدى الطويل لضمان حصولك على الإجابة المناسبة للبيانات التي تقوم بتحليلها.

3. تعلم كيفية تحديد النجاح للمشاريع المفتوحة

في المدرسة، يتولى العديد من محترفي تحليلات البيانات تنفيذ المشاريع أثناء ممارستهم لتطبيق ما تعلموه.

في بعض الأحيان، تكون هذه المشاريع عبارة عن مهام ذات معايير وأهداف واضحة.

في أوقات أخرى، يكونون أكثر تحركًا ذاتيًا، مما يدفع الطلاب إلى حل المشكلات أو العثور على المعلومات بأنفسهم.

يقول وارنر: “إن تغذية المشاكل أو المشاريع التي لها نتائج محددة جيدًا وبيانات نظيفة أمر رائع للبدء”.

“ومع ذلك، كلما أسرعت في الانتقال إلى المشاريع التي لا تحتوي على إجابات” صحيحة “، حيث يتعين عليك تحديد المشكلة وتحديد النجاح بنفسك، كلما تعلمت بشكل أسرع.”

قد تفكر في تحليل البيانات على أنه مجال مليء بالأسئلة التي يتم الرد عليها مباشرة ببيانات صلبة وقابلة للقياس توفر اتجاهًا واضحًا.

في حين أن هذه الأسئلة موجودة بالتأكيد، هناك أيضًا الكثير من الأسئلة أو السيناريوهات ذات المناطق الرمادية للتنقل والعوامل التي يصعب تحديدها كميًا والتي قد تؤثر على التحليل.

التفكير في كل هذا يتطلب ممارسة – ولا يجب أن تتردد في سؤال المدربين أو متخصصي البيانات الأكثر خبرة عن وجهة نظرهم.

هل كونك محلل بيانات صعب؟ التحديات التي ستجدها في العمل اليومي

بمجرد أن تتعلم بعض المفاهيم والمهارات الأساسية وتعمل في دور تحليل البيانات، ما أنواع التحديات التي تتوقعها؟

1. تطبيق وشرح المهارات الفنية في بيئة الأعمال

يوجد محللو البيانات لمساعدة الشركات على استخلاص معلومات مفيدة من مجموعات البيانات التي قد يعتبرها معظم الناس هراء.

عندما تدخل في هذا الدور، فأنت تصبح نوعًا من المترجمين، حيث تقوم بربط عالم البيانات بعالم الأعمال.

يقول وارنر: “عندما دخلت المجال، كان لدي انطباع بأنني سأقضي وقتي في تطوير نماذج التعلم الآلي المعقدة للتحليل”. في الواقع، لا تتطلب المهام غالبًا نموذجًا للتعلم الآلي، كما يوضح.

“اضطررت إلى تقسيم التكنولوجيا المعقدة إلى مقياس حيث يمكن لكل شخص جالس في الغرفة فهم ما يحدث، ولماذا يحدث وما يجب القيام به.”

يقول وارنر إن تعلم كيفية الإجابة على أسئلة “W” الثلاثة بالنسبة للمستمع العادي كان الجزء الأكثر تحديًا في بداية هذه المهنة.

2. التكيف مع أدوات وأنظمة عمل محددة

يقول جونسون: “لقد قام برنامج الكلية بعمل رائع في تعليمي المفاهيم وكيفية تشغيل النماذج والعمل مع البيانات الموجودة على جهازي”.

ولكن عندما يتعلق الأمر بجعل كل هذه الأشياء تحدث في السحابة، كانت هذه قصة أخرى.

“إن فهم كيفية إنشاء لوحات معلومات الأعمال أو كتابة نموذج التعلم الآلي أمر رائع؛ ومع ذلك، فإن استضافة هذه العناصر في السحابة والقدرة على استخدامها لحل احتياجات أصحاب المصلحة هو ما سيسمح لك بتوليد قيمة لشركتك عندما تبدأ حياتك المهنية “.

بينما من المحتمل أن يتضمن تعليمك وتدريبك الكثير من نفس الأدوات والأنظمة التي تستخدمها المؤسسات، لا يزال من الممكن أن يكون هناك منحنى تعليمي أثناء تطبيق ما تعرفه على الأنظمة أو الأدوات القديمة التي قد لا تكون تطابقًا شخصيًا مثاليًا معها ما تعلمته في الدورات الدراسية.

لا تزال الأساسيات سارية، ولكن قد يستغرق الأمر بعض الاكتشاف الإضافي قبل أن تشعر بالراحة.

3. تنظيف البيانات وتبسيطها

يقول وارنر: “إن أصعب شيء في عملي اليوم هو ضمان حصولك باستمرار على البيانات اللازمة بالشكل اللازم لمهمتك الخاصة”.

تلخص عبارة “إدخال قمامة،” – تحليل البيانات غير المتقنة وسوء التنسيق سيؤدي إلى مخرجات فوضوية بنفس القدر.

إنه ليس الجزء الأكثر سحرًا في الوظيفة، ولكن عملية الاستخراج والتحويل والتحميل (ETL) هي خطوة حاسمة – وأحيانًا صعبة -.

يقول وارنر إن أخذ الوقت الكافي لضمان كفاءة خطوط أنابيب البيانات والبيانات الموحدة والمدخلات عالية الدقة ستجعل في النهاية عملك التحليلي أسهل وأكثر جدوى.

4. الحفاظ على شهية التعلم المستمر

سواء أكنت تختار منصات أو لغات جديدة يمكن أن تساعد في تحسين عمليتك أو تعلم المزيد عن تفاصيل الصناعة التي تدعمها، فهناك دائمًا المزيد لإتقانه في مهنة تحليل البيانات.

يمكن أن تكون مواكبة كل ذلك تحديًا، لكن أولئك الفضوليين الذين يستمتعون بالتعلم هم بالتأكيد موضع تقدير.

يقول جونسون: “كن متواضعًا وافهم أن عدم معرفة كل شيء على ما يرام ومتوقع”.

“من واقع خبرتي، تهتم الشركات كثيرًا بقولك الحقيقة بشأن ما [لا] تعرفه أكثر من اهتمامك بمحاولة التصرف كما تعلم.”

يقول جونسون إن أول مقابلة عمل له تضمنت عدة أسئلة لم يكن يعرف الإجابة عليها.

على الرغم من أن هذا ليس شعورًا رائعًا في الوقت الحالي، إلا أن جونسون يقول إن قراره بالتحلي بالصدق والاعتراف بأوجه القصور مع الموقف الجيد قد أتى بثماره لأنه ما زال ينزل في الوظيفة.

“سألت مديري عن سبب اختيارهم لي على المزيد من المرشحين المؤهلين، وأخبرتني أن الفريق يعلم أنني لست من ذوي الخبرة، لكن يمكنهم القول إنني حريص على التعلم.”